JP2023084166A - Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method - Google Patents
Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method Download PDFInfo
- Publication number
- JP2023084166A JP2023084166A JP2021198169A JP2021198169A JP2023084166A JP 2023084166 A JP2023084166 A JP 2023084166A JP 2021198169 A JP2021198169 A JP 2021198169A JP 2021198169 A JP2021198169 A JP 2021198169A JP 2023084166 A JP2023084166 A JP 2023084166A
- Authority
- JP
- Japan
- Prior art keywords
- pump
- water level
- unit
- information
- drainage pump
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010801 machine learning Methods 0.000 title claims description 65
- 238000000034 method Methods 0.000 title claims description 47
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 172
- 230000005856 abnormality Effects 0.000 claims abstract description 105
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000007726 management method Methods 0.000 claims description 120
- 230000005540 biological transmission Effects 0.000 claims description 24
- 230000007704 transition Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 23
- 230000008054 signal transmission Effects 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 20
- 210000000225 synapse Anatomy 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000007257 malfunction Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03F—SEWERS; CESSPOOLS
- E03F5/00—Sewerage structures
- E03F5/22—Adaptations of pumping plants for lifting sewage
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Positive-Displacement Pumps (AREA)
- Control Of Non-Positive-Displacement Pumps (AREA)
- Sewage (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
本発明は、排水ポンプ装置、排水ポンプ管理システム、排水ポンプ支援計画作成装置、
推論装置、機械学習装置、排水ポンプ支援計画作成方法、推論方法、及び、機械学習方法
に関する。
The present invention provides a drainage pump device, a drainage pump management system, a drainage pump support plan creation device,
The present invention relates to an inference device, a machine learning device, a drainage pump support plan creation method, an inference method, and a machine learning method.
建物、地下駐車場、地下街、地下道、アンダーパス等の施設には、集中豪雨等が発生し
たときの浸水被害を防止するための排水ポンプ装置が設置されている。排水ポンプ装置は
、監視箇所の水位が所定の運転水位に達したときに排水ポンプの運転を開始することで、
浸水被害を防止するものである(例えば、特許文献1、及び、特許文献2参照)。
Facilities such as buildings, underground parking lots, underground malls, underpasses, and underpasses are equipped with drainage pump devices to prevent flood damage when torrential rain occurs. The drainage pump device starts operation of the drainage pump when the water level at the monitoring point reaches a predetermined operating water level.
It is intended to prevent flood damage (see, for example,
特許文献1及び特許文献2にそれぞれ開示された排水ポンプ装置では、集中豪雨等によ
り監視箇所の水位が所定の運転水位に達したときにだけ運転が行われるため、排水ポンプ
の運転頻度はそれほど高くない。そのため、定期点検等を実施して排水ポンプ装置に異常
が発生していないかどうかを確認しているが、それでも排水ポンプ装置の運転を実際に行
うような状況において、排水ポンプ装置が何らかの原因により正常に動作しない可能性が
あった。そして、排水ポンプ装置が正常に動作しない場合には、排水ポンプ装置が設置さ
れた設備が水没する危険性が高く、浸水被害を適切に防止することができなかった。
The drainage pump devices disclosed in
本発明は、上述した課題に鑑み、監視箇所の浸水被害を低減することを可能とする排水
ポンプ装置、排水ポンプ管理システム、排水ポンプ支援計画作成装置、推論装置、機械学
習装置、排水ポンプ支援計画作成方法、推論方法、及び、機械学習方法を提供することを
目的とする。
In view of the above-described problems, the present invention provides a drainage pump device, a drainage pump management system, a drainage pump support plan creation device, an inference device, a machine learning device, and a drainage pump support plan that can reduce flood damage at monitored locations. The object is to provide a creation method, an inference method, and a machine learning method.
上記目的を達成するために、本発明の一態様に係る排水ポンプ装置は、
監視箇所の水位を検出する水位検出部と、
前記監視箇所に溜まった水を排水するポンプ部と、
前記水位検出部により検出された前記水位に基づいて、前記ポンプ部の運転を制御する
ポンプ制御部と、を備える排水ポンプ装置であって、
前記ポンプ制御部は、
前記監視箇所の気象情報を取得する気象情報取得部と、
前記水位検出部又は前記ポンプ部に異常が発生したか否かを判定する異常判定部と、
前記水位検出部に異常が発生したと判定した場合、前記気象情報に基づいて、前記ポ
ンプ部の運転を制御する水位検出部異常処理部と、
前記ポンプ部に異常が発生したと判定した場合、前記水位検出部により検出された前
記水位及び前記気象情報の少なくとも一方に基づいて、排水ポンプ車及び作業員の少なく
とも一方による排水作業の支援を要請する支援要請情報を出力するポンプ部異常処理部と
、を備える。
In order to achieve the above object, a drainage pump device according to one aspect of the present invention includes:
a water level detection unit that detects the water level at the monitoring location;
a pump unit for draining water accumulated in the monitoring location;
A drainage pump device comprising: a pump control section that controls operation of the pump section based on the water level detected by the water level detection section,
The pump control unit
a weather information acquisition unit that acquires weather information of the monitoring location;
an abnormality determination unit that determines whether an abnormality has occurred in the water level detection unit or the pump unit;
a water level detection unit abnormality processing unit that controls the operation of the pump unit based on the weather information when it is determined that an abnormality has occurred in the water level detection unit;
When it is determined that an abnormality has occurred in the pump unit, at least one of the water level detected by the water level detection unit and the weather information is used to request support for drainage work by at least one of a drainage pump vehicle and a worker. and a pump unit abnormality processing unit for outputting support request information.
本発明の一態様に係る排水ポンプ装置によれば、ポンプ制御部が、水位検出部又はポン
プ部に異常が発生したか否かを判定し、水位検出部に異常が発生したと判定した場合には
、監視箇所の気象情報に基づいてポンプ部の運転を制御し、ポンプ部に異常が発生したと
判定した場合には、水位検出部により検出された水位及び監視箇所の気象情報の少なくと
も一方に基づいて支援要請情報を出力するので、水位検出部又はポンプ部に異常が発生し
た場合であっても、監視箇所の浸水被害を低減することができる。
According to the drainage pump device according to one aspect of the present invention, the pump control section determines whether or not an abnormality has occurred in the water level detection section or the pump section, and when it is determined that an abnormality has occurred in the water level detection section controls the operation of the pump unit based on the weather information of the monitoring point, and when it is determined that an abnormality has occurred in the pump unit, at least one of the water level detected by the water level detection unit and the weather information of the monitoring point Since the support request information is output based on the above information, even if an abnormality occurs in the water level detection unit or the pump unit, it is possible to reduce flood damage at the monitored location.
上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにさ
れる。
Problems, configurations, and effects other than the above will be clarified in the mode for carrying out the invention, which will be described later.
以下、図面を参照して本発明を実施するための実施形態について説明する。以下では、
本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説
明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術による
ものとする。
Embodiments for carrying out the present invention will be described below with reference to the drawings. Below,
The scope necessary for the description to achieve the object of the present invention is schematically shown, and the scope necessary for the description of the relevant portion of the present invention is mainly described. and
(第1の実施形態)
図1は、第1の実施形態に係る排水ポンプ管理システム1の一例を示す全体構成図であ
る。排水ポンプ管理システム1は、その主要な構成要素として、1又は複数の排水ポンプ
装置2と、排水ポンプ装置2と通信可能な管理装置3と、排水ポンプ装置2の管理者10
0が使用する管理者端末装置4と、排水ポンプ装置2の異常発生時に排水作業の支援に使
用される排水ポンプ車5と、排水作業の支援を行う作業員101が使用する作業員端末装
置6と、気象情報を提供する気象情報提供装置7とを備える。
(First embodiment)
FIG. 1 is an overall configuration diagram showing an example of a drainage
A
排水ポンプ管理システム1の各構成要素は、例えば、汎用又は専用のコンピュータ(後
述の図4参照)で構成されるとともに、ネットワーク10に接続されて、各種のデータを
相互に送受信可能に構成される。なお、排水ポンプ管理システム1の各構成要素の数やネ
ットワーク10の接続構成は、図1の例に限られず、適宜変更してもよい。また、排水ポ
ンプ管理システム1は、上記の構成要素の一部を省略してもよく、その場合には、外部の
システムと連携したり、外部のシステムで代用したりしてもよい。
Each component of the drainage
排水ポンプ装置2は、例えば、地階、排水槽、排水ピット等を有する建物、地下駐車場
、地下街、地下道、アンダーパス等の施設に設置される。排水ポンプ装置2は、それら施
設の監視箇所の水位が所定の運転水位に達したときに自動で運転を開始し、監視箇所に溜
まった水を外部(例えば、雨水管、下水道管、河川等)に排水する。また、排水ポンプ装
置2は、自装置の各部に異常が発生したか否かを判定する異常判定機能を有するとともに
、運転不能な異常が発生した場合、排水ポンプ車5及び作業員101の少なくとも一方に
よる排水作業の支援を要請する支援要請情報を、例えば、管理装置3を介して、管理者端
末装置4、排水ポンプ車5、作業員端末装置6等に出力(送信)する。
The
管理装置3は、排水ポンプ装置2が有する異常判定機能を補完するために、排水ポンプ
装置2の異常判定機能とは別の方法により、排水ポンプ装置2に異常が発生したか否かを
判定する健全性判定機能を有する。また、管理装置3は、排水ポンプ装置2に異常が発生
した場合、支援要請情報を、例えば、管理者端末装置4、排水ポンプ車5、作業員端末装
置6等に出力(送信)する。
In order to complement the abnormality determination function of the
管理者端末装置4は、例えば、据置型コンピュータや携帯型コンピュータで構成され、
管理者100により使用される。管理者端末装置4は、アプリケーションやブラウザ等の
プログラムがインストールされて、各種の入力操作を受け付けるとともに、表示画面や音
声を介して各種の情報(例えば、排水ポンプ装置2の運転状況、異常判定機能及び健全性
判定機能による判定結果、支援要請情報等)を出力する。
The
Used by
排水ポンプ車5は、荷台に、発電機、水中ポンプ、制御盤、操作表示盤、ホース、ケー
ブル等が積載されて、移動式又は可搬式の排水ポンプとして機能する車両である。排水ポ
ンプ車5は、作業員101により排水作業の支援が要請された現場(排水ポンプ装置2の
監視箇所)に移動されて、水中ポンプが設置されることで排水作業を行う。
The
作業員端末装置6は、例えば、据置型コンピュータや携帯型コンピュータで構成され、
作業員101により使用される。作業員端末装置6は、管理者端末装置4と同様に、アプ
リケーションやブラウザ等のプログラムがインストールされて、各種の入力操作を受け付
けるとともに、表示画面や音声を介して各種の情報(例えば、支援要請情報等)を出力す
る。なお、作業員端末装置6は、排水ポンプ車5に搭載されたカーナビゲーション装置等
の車載機器で構成されていてもよい。
The
Used by
気象情報提供装置7は、気象情報として、現在時刻又は過去時刻における気象実況デー
タと、現在時刻から所定時間後の将来時刻(例えば、1時間後、2時間後等)における気
象予報データとを提供する。気象情報は、例えば、所定の大きさでメッシュ状に区切られ
た地域毎に、各地域の降水量や天候等の気象要素を含む。気象情報の提供方法は、プル式
及びプッシュ式のいずれでもよく、提供対象となる日時、期間、時間間隔、地域等が指定
されてもよい。なお、気象情報提供装置7は、例えば、気象庁や気象情報提供会社により
管理された外部装置で構成されていてもよい。
The weather
ネットワーク10は、任意の通信規格に従って有線通信又は無線通信、あるいは、有線
通信と無線通信の組合せによりデータを送受信する。具体的には、例えば、インターネッ
ト等の標準化された通信網、又は、ローカルネットワーク等の建物内で管理される通信網
、あるいは、これらの通信網の組合せを利用することができる。また、無線通信の通信規
格としては、典型的には国際規格が用いられる。国際規格の通信手段として、IEEE8
02.15.4、IEEE802.15.1、IEEE802.15.11a、11b、
11g、11n、11ac、11ad、ISO/IEC14513-3-10、IEEE
802.15.4g等の方式がある。また、Bluetooth(登録商標)、Blue
toothLowEnergy、Wi-Fi、ZigBee(登録商標)、Sub-GH
z、EnOcean(登録商標)、LTE等の通信規格を用いてもよい。
The
02.15.4, IEEE802.15.1, IEEE802.15.11a, 11b,
11g, 11n, 11ac, 11ad, ISO/IEC14513-3-10, IEEE
There are methods such as 802.15.4g. In addition, Bluetooth (registered trademark), Blue
tooth Low Energy, Wi-Fi, ZigBee®, Sub-GH
Communication standards such as Z, EnOcean (registered trademark), and LTE may also be used.
(排水ポンプ装置2)
図2は、第1の実施形態に係る排水ポンプ装置2の一例を示すブロック図である。排水
ポンプ装置2は、プロセッサ等により構成されるポンプ制御部20と、HDD(Hard
Disk Drive)、SSD(Solid State Drive)、メモリ等
により構成される記憶部21と、ネットワーク10との通信インターフェースである通信
部22と、スイッチ、表示灯、タッチパネル等により構成される操作表示部23と、監視
箇所の水位を検出する水位検出部24と、監視箇所に溜まった水を排水するポンプ部25
とを備える。
(Drain pump device 2)
FIG. 2 is a block diagram showing an example of the
Disk Drive), SSD (Solid State Drive), memory, etc., a
and
水位検出部24は、監視箇所の水位を検出するための水位センサやセンサ検出回路等で
構成される。水位センサは、例えば、監視箇所の水位を段階的又は連続的に検出するレベ
ルセンサで構成されてもよいし、監視箇所の水位が所定の運転水位に達したか否かを検出
するレベルスイッチで構成されてもよい。
The water
ポンプ部25は、羽根車を回転させるモータ、モータに駆動電力を供給するモータ駆動
回路、モータ駆動回路と電源との間に設けられた電磁接触器等で構成される。ポンプ部2
5は、例えば、軸流ポンプ、斜流ポンプ、渦巻斜流ポンプ等で構成されるが、ポンプの型
式はこれらの例に限られない。ポンプ部25の電源は、商用電力やエンジンを動力源とす
る発電機でもよいし、エンジンを動力源にして羽根車を回転させてもよい。
The
5 is composed of, for example, an axial flow pump, a mixed flow pump, a spiral mixed flow pump, etc., but the type of pump is not limited to these examples. The power source of the
また、ポンプ部25は、管理装置3からポンプ制御部20を介さずにポンプ部25の運
転を指示するポンプ運転信号を受信可能に構成される。ポンプ部25が、ポンプ運転信号
を受信した場合には、ポンプ制御部20による制御状態や検出水位が運転水位に達したか
否かに関係なく、ポンプ部25の運転を強制的に開始する。
Further, the
記憶部21は、排水ポンプ設定データ210、及び、排水ポンプ制御プログラム211
を記憶するとともに、オペレーティングシステム、他のプログラム、各種のデータ等を記
憶する。排水ポンプ設定データ210には、管理者100や作業員101により編集可能
な情報として、例えば、自装置の監視箇所の位置座標(緯度、経度、標高)を示す地理情
報、支援要請情報の出力先等が登録されている。
The
and stores an operating system, other programs, various data, and the like. The drainage
ポンプ制御部20は、記憶部21に記憶された排水ポンプ制御プログラム211を実行
することにより、ポンプ運転処理部200、気象情報取得部201、異常判定部202、
水位検出部異常処理部203、ポンプ部異常処理部204、及び、健全性信号送信処理部
205として機能する。
By executing the drainage
It functions as a water level detection section
ポンプ運転処理部200は、水位検出部24により検出された水位(以下、「検出水位
」という)に基づいて、ポンプ部25の運転を制御する。ポンプ運転処理部200は、例
えば、検出水位が所定の運転水位に達したか否かを判定し、検出水位が運転水位に達した
場合には、ポンプ部25の運転を開始する。なお、操作表示部23が、ポンプ部25の運
転を指示する操作を受け付けた場合には、ポンプ運転処理部200は、検出水位が運転水
位に達したか否かに関係なく、ポンプ部25の運転を開始する。また、ポンプ運転処理部
200は、例えば、検出水位が所定の停止水位まで低下したり、操作表示部23により運
転停止を指示する操作を受け付けたりした場合には、ポンプ部25の運転を停止する。
The pump
気象情報取得部201は、自装置の監視箇所の気象情報を取得する。気象情報取得部2
01は、例えば、排水ポンプ設定データ210に登録された自装置の監視箇所の位置座標
に基づいて、気象情報提供装置7から通信部22及びネットワーク10を介して気象情報
を受信することで、自装置の監視箇所の気象情報を取得する。
The weather
01 receives weather information from the weather
異常判定部202は、水位検出部24又はポンプ部25に異常が発生したか否かを判定
する。異常判定部202は、例えば、監視個所の水位が運転水位に達していない場合にオ
ンするような常時オン型(ノーマルクローズ)の水位センサを使用し、監視箇所の気象情
報から、監視個所の水位が運転水位に達する可能性がない又は低いと判断される状況(降
水量が「0mm」の状態が所定の期間継続している状況等)において、水位センサの検出
値がオフの場合には、水位検出部24に異常が発生したと判定する。水位検出部24の異
常としては、水位センサの断線、センサ検出回路の故障等が挙げられる。また、異常判定
部202は、同様の状況において、ポンプ部25をテスト運転し、モータやモータ駆動回
路に設けられた各種のセンサで動作不良を検出した場合には、ポンプ部25に異常が発生
したと判定する。ポンプ部25の異常としては、モータの故障、モータ駆動回路の故障、
電磁接触器の故障等が挙げられる。
The
Malfunction of an electromagnetic contactor, etc. can be mentioned.
水位検出部異常処理部203は、水位検出部24に異常が発生したと判定した場合、監
視箇所の気象情報に基づいて、ポンプ部25の運転を制御する。具体的には、水位検出部
異常処理部203は、監視箇所の気象情報から、監視個所の水位が運転水位に達する可能
性が高いと判断した状況(降水量が所定の基準値を超える状態が所定の期間継続している
状況等)の場合には、ポンプ部25の運転を開始する。
When it is determined that an abnormality has occurred in the water
ポンプ部異常処理部204は、ポンプ部25に異常が発生したと判定した場合、水位検
出部24による検出水位及び監視箇所の気象情報の少なくとも一方に基づいて、排水ポン
プ車5及び作業員の少なくとも一方による排水作業の支援を要請する支援要請情報を、排
水ポンプ設定データ210に登録された出力先に出力する。具体的には、ポンプ部異常処
理部204は、検出水位が運転水位(運転水位に代えて、運転水位よりも低い支援要請水
位でもよい)に達した場合には、支援要請情報を出力する。また、ポンプ部異常処理部2
04は、監視箇所の気象情報から、監視個所の水位が運転水位に達する可能性が高いと判
断した場合には、支援要請情報を出力する。
When determining that an abnormality has occurred in the
04 outputs support request information when it judges from the weather information of the monitoring location that the water level at the monitoring location is highly likely to reach the operating water level.
支援要請情報の出力先は、管理者端末装置4、排水ポンプ車5、作業員端末装置6等で
あり、例えば、排水ポンプ装置2の監視箇所に基づいて、排水ポンプ装置2から所定の距
離内に位置する排水ポンプ車5や作業員端末装置6に限定されてもよい。また、支援要請
情報は、管理者端末装置4等に直接出力されてもよいし、管理装置3を経由して管理者端
末装置4等に出力されてもよい。
The output destination of the support request information is the
健全性信号送信処理部205は、排水ポンプ装置2の健全性を示す健全性信号を、所定
の健全性送信条件に従って通信部22及びネットワーク10を介して管理装置3に送信す
る。健全性送信条件には、健全性信号を送信する条件が定められており、例えば、所定の
送信周期や送信時刻にて定められる。
The soundness signal
(管理装置3)
図3は、第1の実施形態に係る管理装置3の一例を示すブロック図である。管理装置3
は、プロセッサ等により構成される管理制御部30と、HDD、SSD、メモリ等により
構成される記憶部31と、ネットワーク10との通信インターフェースである通信部32
と、キーボード、マウス等により構成される入力部33と、ディスプレイ等により構成さ
れる表示部34とを備える。なお、入力部33及び表示部34は省略されてもよい。
(Management device 3)
FIG. 3 is a block diagram showing an example of the
is a
, an
記憶部31は、排水ポンプ管理データベース310、及び、排水ポンプ管理プログラム
311を記憶するとともに、オペレーティングシステム、他のプログラム、各種のデータ
等を記憶する。排水ポンプ管理データベース310には、管理者100により編集可能な
情報として、例えば、管理装置3が管理対象とする排水ポンプ装置2毎に、監視箇所の位
置座標(緯度、経度、標高)を示す地理情報、支援要請情報の出力先等が登録されている
。
The
管理制御部30は、記憶部31に記憶された排水ポンプ管理プログラム311を実行す
ることにより、気象情報取得部300、健全性判定部301、第1のポンプ制御部異常処
理部302、及び、第2のポンプ制御部異常処理部303として機能する。
By executing the drainage
気象情報取得部300は、管理対象とする排水ポンプ装置2における監視箇所の気象情
報を取得する。気象情報取得部300は、例えば、排水ポンプ管理データベース310に
登録された排水ポンプ装置2の監視箇所の位置座標に基づいて、気象情報提供装置7から
通信部32及びネットワーク10を介して気象情報を受信することで、排水ポンプ装置2
の監視箇所の気象情報を取得する。その際、管理対象の排水ポンプ装置2が複数ある場合
には、気象情報取得部300は、各排水ポンプ装置2の監視箇所の気象情報を取得する。
The weather
obtains weather information for the monitored location. At this time, if there are a plurality of
健全性判定部301は、排水ポンプ装置2から健全性信号を健全性送信条件に従って受
信したか否かに応じて、当該排水ポンプ装置2のポンプ制御部20に異常が発生したか否
かを判定する。健全性判定部301は、排水ポンプ装置2から、健全性送信条件として定
められた送信周期や送信時刻に健全性信号を受信しなかった場合には、当該健全性信号の
送信元であるポンプ制御部20に異常が発生したと判定する。その際、管理対象の排水ポ
ンプ装置2が複数ある場合には、健全性判定部301は、各排水ポンプ装置2から健全性
信号をそれぞれ受信したか否かに応じて、各排水ポンプ装置2のポンプ制御部20に異常
がそれぞれ発生したか否かを判定する。ポンプ制御部20の異常としては、ポンプ制御部
20を構成するプロセッサ等の故障が挙げられる。
The
第1のポンプ制御部異常処理部302は、ポンプ制御部20に異常が発生したと判定し
た場合、当該ポンプ制御部20を備える排水ポンプ装置2の監視箇所の気象情報に基づい
て、当該排水ポンプ装置2に対する排水作業の支援を要請する支援要請情報を、排水ポン
プ管理データベース310に登録された出力先に出力する。具体的には、第1のポンプ制
御部異常処理部302は、ポンプ制御部20に異常が発生したと判定された排水ポンプ装
置2の監視箇所の気象情報から、監視個所の水位が運転水位に達する可能性が高いと判断
した場合には、その排水ポンプ装置2に対する支援要請情報を出力する。
When the first pump control unit
支援要請情報の出力先は、管理者端末装置4、排水ポンプ車5、作業員端末装置6等で
あり、例えば、排水ポンプ装置2の監視箇所に基づいて、排水ポンプ装置2から所定の距
離内に位置する排水ポンプ車5や作業員端末装置6に限定されてもよい。また、支援要請
情報は、管理者端末装置4等に直接出力されてもよいし、管理装置3を経由して管理者端
末装置4等に出力されてもよい。
The output destination of the support request information is the
第2のポンプ制御部異常処理部303は、ポンプ制御部20に異常が発生したと判定し
た場合、当該ポンプ制御部20を備える排水ポンプ装置2の監視箇所の気象情報に基づい
て、当該排水ポンプ装置2のポンプ部25の運転を指示するポンプ運転信号を当該ポンプ
部25に送信する。具体的には、第2のポンプ制御部異常処理部303は、ポンプ制御部
20に異常が発生したと判定された排水ポンプ装置2の監視箇所の気象情報から、監視個
所の水位が運転水位に達する可能性が高いと判断した場合には、ポンプ運転信号をその排
水ポンプ装置2のポンプ部25に送信する。ポンプ運転信号は、ポンプ制御部20を介さ
ずにポンプ部25により受信されることで、ポンプ部25の運転が開始される。
When the second pump control unit
(各装置のハードウエア構成)
図4は、コンピュータ900の一例を示すハードウエア構成図である。排水ポンプ装置
2、管理装置3、管理者端末装置4、排水ポンプ車5、作業員端末装置6、及び、気象情
報提供装置7の各々は、汎用又は専用のコンピュータ900により構成される。
(Hardware configuration of each device)
FIG. 4 is a hardware configuration diagram showing an example of the
コンピュータ900は、図4に示すように、その主要な構成要素として、バス910、
プロセッサ912、メモリ914、入力デバイス916、出力デバイス917、表示デバ
イス918、ストレージ装置920、通信I/F(インターフェース)部922、外部機
器I/F部924、I/O(入出力)デバイスI/F部926、及び、メディア入出力部
928を備える。なお、上記の構成要素は、コンピュータ900が使用される用途に応じ
て適宜省略されてもよい。
プロセッサ912は、1つ又は複数の演算処理装置(CPU(Central Pro
cessing Unit)、MPU(Micro-processing unit)
、DSP(digital signal processor)、GPU(Graph
ics Processing Unit)等)で構成され、コンピュータ900全体を
統括する制御部として動作する。メモリ914は、各種のデータ及びプログラム930を
記憶し、例えば、メインメモリとして機能する揮発性メモリ(DRAM、SRAM等)と
、不揮発性メモリ(ROM)、フラッシュメモリ等とで構成される。
processing unit), MPU (Micro-processing unit)
, DSP (digital signal processor), GPU (Graph
ics processing unit), etc.), and operates as a control unit that controls the
入力デバイス916は、例えば、キーボード、マウス、テンキー、電子ペン等で構成さ
れ、入力部として機能する。出力デバイス917は、例えば、音(音声)出力装置、バイ
ブレーション装置等で構成され、出力部として機能する。表示デバイス918は、例えば
、液晶ディスプレイ、有機ELディスプレイ、電子ペーパー、プロジェクタ等で構成され
、出力部として機能する。入力デバイス916及び表示デバイス918は、タッチパネル
ディスプレイのように、一体的に構成されていてもよい。ストレージ装置920は、例え
ば、HDD、SSD等で構成され、記憶部として機能する。ストレージ装置920は、オ
ペレーティングシステムやプログラム930の実行に必要な各種のデータを記憶する。
The
通信I/F部922は、インターネットやイントラネット等のネットワーク940(図
1のネットワーク10と同じであってもよい)に有線又は無線により接続され、所定の通
信規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。
外部機器I/F部924は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器9
50に有線又は無線により接続され、所定の通信規格に従って外部機器950との間でデ
ータの送受信を行う通信部として機能する。I/OデバイスI/F部926は、各種のセ
ンサ、アクチュエータ等のI/Oデバイス960に接続され、I/Oデバイス960との
間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデ
ータの送受信を行う通信部として機能する。メディア入出力部928は、例えば、DVD
ドライブ、CDドライブ等のドライブ装置で構成され、DVD、CD等のメディア(非一
時的な記憶媒体)970に対してデータの読み書きを行う。
The communication I/
An external device I/
50 by wire or wirelessly, and functions as a communication unit that transmits and receives data to and from the
It is composed of a drive device such as a drive and a CD drive, and reads and writes data with respect to media (non-temporary storage media) 970 such as DVDs and CDs.
上記構成を有するコンピュータ900において、プロセッサ912は、ストレージ装置
920に記憶されたプログラム930をメモリ914に呼び出して実行し、バス910を
介してコンピュータ900の各部を制御する。なお、プログラム930は、ストレージ装
置920に代えて、メモリ914に記憶されていてもよい。プログラム930は、インス
トール可能なファイル形式又は実行可能なファイル形式でメディア970に記録され、メ
ディア入出力部928を介してコンピュータ900に提供されてもよい。プログラム93
0は、通信I/F部922を介してネットワーク940経由でダウンロードすることによ
りコンピュータ900に提供されてもよい。また、コンピュータ900は、プロセッサ9
12がプログラム930を実行することで実現する各種の機能を、例えば、FPGA、A
SIC等のハードウエアで実現するものでもよい。
In the
0 may be provided to
12 executes the
It may be realized by hardware such as SIC.
コンピュータ900は、例えば、据置型コンピュータや携帯型コンピュータで構成され
、任意の形態の電子機器である。コンピュータ900は、クライアント型コンピュータで
もよいし、サーバ型コンピュータやクラウド型コンピュータでもよい。コンピュータ90
0は、他の装置にも適用されてもよい。
The
0 may also apply to other devices.
(排水ポンプ管理システム1の動作)
上記構成を有する排水ポンプ管理システム1の動作について説明する。
(Operation of drainage pump management system 1)
The operation of the drainage
図5は、第1の実施形態に係る排水ポンプ装置2の動作の一例を示すフローチャートで
ある。以下では、排水ポンプ装置2が監視箇所に設置されて、監視箇所の水位を水位検出
部24により監視中である場合の動作例について説明する。なお、図5に示す一連の処理
は、排水ポンプ装置2により所定の周期で繰り返し実行される。
FIG. 5 is a flow chart showing an example of the operation of the
まず、ステップS100において、健全性信号送信処理部205が、所定の健全性送信
条件(送信周期、送信時刻等)を満たすと判定した場合、健全性信号を管理装置3に送信
する。
First, in step S<b>100 , the health signal
次に、S110において、気象情報取得部201が、自装置の監視箇所の気象情報を気
象情報提供装置7から取得する。
Next, in S<b>110 , the weather
次に、S120において、異常判定部202が、水位検出部24に異常が発生したか否
か、及び、ポンプ部25に異常が発生したか否かを判定する。
Next, in S<b>120 , the
上記ステップS120の判定結果として、水位検出部24に異常が発生したと判定した
場合には(ステップS121:Yes)、ステップS130において、水位検出部異常処
理部203が、ステップS120で取得した監視箇所の気象情報に基づいて、ポンプ部2
5の運転を制御する。
When it is determined that an abnormality has occurred in the water
It controls the operation of 5.
上記ステップS120の判定結果として、ポンプ部25に異常が発生したと判定した場
合には(ステップS122:Yes)、ステップS140において、ポンプ部異常処理部
204が、水位検出部24による検出水位が運転水位に達した場合や、ステップS120
で取得した監視箇所の気象情報に基づいて監視個所の水位が運転水位に達する可能性が高
いと判断した場合、支援要請情報を出力する。
As a result of the determination in step S120, if it is determined that an abnormality has occurred in the pump unit 25 (step S122: Yes), in step S140, the pump unit
If it is determined that there is a high possibility that the water level at the monitoring location will reach the operating water level based on the weather information for the monitoring location acquired in
上記ステップS120の判定結果として、水位検出部24及びポンプ部25に異常が発
生していないと判定した場合には(ステップS121:No、ステップS122:No)
には、ステップS150において、ポンプ運転処理部200が、水位検出部24による検
出水位に基づいて、ポンプ部25の運転を制御する。図5に示す一連の処理(排水ポンプ
制御方法)において、ステップS100が健全性信号送信処理工程、S110が気象情報
取得工程、S120が異常判定工程、ステップS130が、水位検出部異常処理工程、ス
テップS140がポンプ部異常処理工程、ステップS150が、ポンプ運転処理工程に相
当する。
If it is determined that the water
In step S<b>150 , the pump
以上のように、本実施形態に係る排水ポンプ装置2によれば、ポンプ制御部20が、水
位検出部24又はポンプ部25に異常が発生したか否かを判定し、水位検出部24に異常
が発生したと判定した場合には、監視箇所の気象情報に基づいてポンプ部25の運転を制
御し、ポンプ部25に異常が発生したと判定した場合には、水位検出部24により検出さ
れた水位及び監視箇所の気象情報の少なくとも一方に基づいて支援要請情報を出力する。
したがって、水位検出部24又はポンプ部25に異常が発生した場合であっても、監視箇
所の浸水被害を低減することができる。
As described above, according to the
Therefore, even if an abnormality occurs in the water
図6は、第1の実施形態に係る管理装置3の動作の一例を示すフローチャートである。
なお、図6に示す一連の処理は、管理装置3により所定の周期で繰り返し実行される。
FIG. 6 is a flow chart showing an example of the operation of the
A series of processes shown in FIG. 6 are repeatedly executed by the
まず、ステップS200において、健全性判定部301が、排水ポンプ装置2から健全
性信号を健全性送信条件に従って受信したか否かに応じて、当該排水ポンプ装置2のポン
プ制御部20に異常が発生したか否かを判定する。
First, in step S200, an abnormality occurs in the
上記ステップS200の判定結果として、ポンプ制御部20に異常が発生したと判定し
た場合には(ステップS201:Yes)、ステップS210において、気象情報取得部
300が、異常が発生したポンプ制御部20を備える排水ポンプ装置2の監視箇所の気象
情報を気象情報提供装置7から取得する。
When it is determined that an abnormality has occurred in the
次に、ステップS220において、第1のポンプ制御部異常処理部302が、ステップ
S210で取得した監視箇所の気象情報に基づいて、異常が発生したポンプ制御部20を
備える排水ポンプ装置2に対する排水作業の支援を要請する支援要請情報を出力する。
Next, in step S220, the first pump control unit
次に、ステップS230において、第2のポンプ制御部異常処理部303が、ステップ
S210で取得した監視箇所の気象情報に基づいて、異常が発生したポンプ制御部20を
備える排水ポンプ装置2のポンプ部25の運転を指示するポンプ運転信号を当該ポンプ部
25に送信する。ポンプ部25は、そのポンプ運転信号を、ポンプ制御部20を介さずに
受信することで、ポンプ部25の運転が強制的に開始される。図6に示す一連の処理(排
水ポンプ管理方法)において、ステップS200が健全性判定工程、S210が気象情報
取得工程、S220が第1のポンプ制御部異常処理工程、ステップS230が、第2のポ
ンプ制御部異常処理工程に相当する。
Next, in step S230, the second pump control unit
以上のように、本実施形態に係る管理装置3によれば、管理制御部30が、排水ポンプ
装置2からの健全性信号の受信状況に応じてポンプ制御部20に異常が発生したか否かを
判定し、ポンプ制御部20に異常が発生したと判定した場合、気象情報に基づいて、当該
ポンプ制御部20を備える排水ポンプ装置2に対する支援要請情報を出力したり、当該ポ
ンプ部25にポンプ運転信号を送信したりする。したがって、ポンプ制御部20に異常が
発生した場合であっても、監視箇所の浸水被害を低減することができる。
As described above, according to the
(第2の実施形態)
図7は、第2の実施形態に係る排水ポンプ管理システム1aの一例を示す全体構成図で
ある。第2の実施形態に係る排水ポンプ管理システム1aは、第1の実施形態と比較して
、排水ポンプ装置2が複数配置された管理領域に対する排水作業の支援計画を作成するた
めに用いられる学習モデル12を生成する機械学習装置8と、機械学習装置8により生成
された学習モデル12を用いて排水作業の支援計画を作成する排水ポンプ支援計画作成装
置として機能する管理装置3aとを備える点で相違する。なお、基本的な構成や動作は、
第1の実施形態と同様であるため、以下では第1の実施形態との相違点を中心に説明する
。
(Second embodiment)
FIG. 7 is an overall configuration diagram showing an example of a drainage pump management system 1a according to the second embodiment. A drainage pump management system 1a according to the second embodiment differs from the first embodiment in that a learning model used for creating a drainage work support plan for a management area in which a plurality of
Since it is the same as the first embodiment, the differences from the first embodiment will be mainly described below.
機械学習装置8は、機械学習の学習フェーズの主体として動作し、学習用データ11を
用いて学習モデル12を機械学習により生成する。学習済みの学習モデル12は、ネット
ワーク10や記録媒体等を介して管理装置3aに提供される。
The
管理装置3aは、機械学習の推論フェーズの主体として動作し、機械学習装置8により
生成された学習モデル12を用いて排水作業の支援計画を定める支援計画情報を作成し、
例えば、管理者端末装置4、排水ポンプ車5、作業員端末装置6等に出力(送信)する。
The
For example, it outputs (transmits) to the
支援計画情報は、排水ポンプ装置2aの排水能力だけでは監視箇所に溜まった水を適時
に排水できないような事態を想定し、排水ポンプ車5及び作業員101の少なくとも一方
による排水作業の支援計画を定めるものである。支援計画情報は、排水作業の支援が必要
となる排水ポンプ装置2aの優先度を示す支援優先度情報、及び、管理領域に対する排水
ポンプ車5及び作業員101の少なくとも一方の配置状況を示す支援配置情報のうち少な
くとも一方を含む。
The support plan information is a support plan for the drainage work by at least one of the
支援優先度情報は、例えば、図7に示す枠内の数字(1~5)のように、優先順位とし
て設定され、監視箇所の水位が運転水位に達するまでの猶予時間が短いほど高く設定され
てもよいし、監視箇所の水位が上昇する速度が高いほど高く設定されてもよいし、それら
が総合的に判断されて設定されてもよい。支援配置情報は、管理領域において、例えば、
排水ポンプ車5及び作業員101がそれぞれ待機するときの配置状況であり、図7に示す
破線の矢印のように、排水ポンプ車5及び作業員101の現在位置に対して移動が必要な
場合には、排水ポンプ車5及び作業員101の移動先の位置(図7の「×」印)が指定さ
れる。
The support priority information is set as a priority, for example, like the numbers (1 to 5) in the frame shown in FIG. Alternatively, it may be set higher as the speed at which the water level rises at the monitored location is higher, or it may be set based on a comprehensive judgment of these factors. The support placement information is stored in the management area, for example,
This is an arrangement situation when the
(排水ポンプ装置2a)
図8は、第2の実施形態に係る排水ポンプ装置2aの一例を示すブロック図である。
(
FIG. 8 is a block diagram showing an example of a
ポンプ制御部20は、記憶部21に記憶された排水ポンプ制御プログラム211aを実
行することにより、ポンプ運転処理部200、気象情報取得部201、異常判定部202
、水位検出部異常処理部203、ポンプ部異常処理部204、健全性信号送信処理部20
5、及び、水位信号送信処理部206として機能する。
By executing the drainage
, water level detector
5 and a water level signal
水位信号送信処理部206は、水位検出部24による検出水位を示す水位信号を、所定
の水位送信条件に従って通信部22及びネットワーク10を介して管理装置3aに送信す
る。水位送信条件には、水位信号を送信する条件が定められており、例えば、所定の送信
周期や送信時刻にて定められる。なお、水位送信条件は、健全性送信条件と同じでもよく
、その場合には、水位信号を健全性信号として機能させてもよい。
The water level signal
(機械学習装置8)
図9は、第2の実施形態に係る機械学習装置8の一例を示すブロック図である。機械学
習装置8は、他の装置と同様に、汎用又は専用のコンピュータ900(図4参照)で構成
される。
(Machine learning device 8)
FIG. 9 is a block diagram showing an example of the
機械学習装置8は、プロセッサ等により構成される制御部80、HDD、SSD、メモ
リ等により構成される記憶部81と、ネットワーク10との通信インターフェースである
通信部82と、キーボード、マウス等により構成される入力部83と、ディスプレイ等に
より構成される表示部84とを備える。なお、入力部83及び表示部84は省略されても
よい。
The
記憶部81は、学習用データ11、学習モデル12、及び、機械学習プログラム810
を記憶するとともに、オペレーティングシステム、他のプログラム、各種のデータ等を記
憶する。記憶部81は、学習用データ11を記憶する学習用データ記憶部、及び、学習モ
デル12を記憶する学習済みモデル記憶部として機能する。
The
and stores an operating system, other programs, various data, and the like. The
制御部80は、記憶部81に記憶された機械学習プログラム810を実行することによ
り、学習用データ取得部800、及び、機械学習部801として機能する。
The
学習用データ取得部800は、通信部82及びネットワーク10を介して他の装置と接
続されて、入力データとしての領域データと、出力データとしての支援計画情報とで構成
される学習用データ11を取得し、記憶部81に記憶する。学習用データ11は、教師あ
り学習における教師データ(トレーニングデータ)、検証データ及びテストデータとして
用いられるデータである。また、支援計画情報は、教師あり学習における正解ラベルとし
て用いられるデータである。
The learning
機械学習部801は、記憶部81に記憶された複数組の学習用データ11を用いて機械
学習を実施する。すなわち、機械学習部801は、学習モデル12に学習用データ11を
複数組入力し、学習用データ11に含まれる領域データと支援計画情報との相関関係を学
習モデル12に学習させることで、学習済みの学習モデル12(具体的には、調整済みの
重みパラメータ群)を生成し、記憶部81に記憶する。
The
なお、機械学習部801により生成されて記憶部81に記憶される学習モデル12の数
は1つに限定されず、例えば、機械学習の手法、領域データに含まれるデータの種類、支
援計画情報に含まれるデータの種類等のように、条件が異なる複数の学習モデル12が記
憶されてもよい。その場合には、条件が異なる複数の学習モデル12にそれぞれ対応する
データ構成を有する複数種類の学習用データ11が学習用データ取得部800により取得
されて記憶部81に記憶されていればよい。
Note that the number of
図10は、学習モデル12及び学習用データ11の一例を示す図である。学習モデル1
2の機械学習に用いられる学習用データ11は、領域データと支援計画情報とで構成され
る。
FIG. 10 is a diagram showing an example of the
The learning
学習用データ11を構成する領域データは、管理領域に対応する学習領域における気象
情報、学習領域内に位置する排水ポンプ車5及び作業員101の少なくとも一方の位置情
報、監視箇所の水位の時間推移を示す水位推移情報、及び、学習領域内での監視箇所の地
理情報を少なくとも含む。なお、学習領域は、管理領域と同一の領域でもよいし、管理領
域と異なる領域でもよい。
The area data constituting the learning
気象情報は、メッシュ状に区切られた地域毎の降水量や天候等を記録したものであり、
例えば、所定の基準時刻における気象現況データと、その基準時刻から所定時間後の将来
時刻(例えば、1時間後、2時間後等)における気象予報データとを含む。
Meteorological information is a record of rainfall, weather, etc. for each area divided into meshes.
For example, it includes current weather data at a predetermined reference time, and weather forecast data at a future time after a predetermined time from the reference time (for example, one hour, two hours, etc.).
位置情報は、基準時刻において排水ポンプ車5及び作業員101が位置する現在位置を
示す情報である。
The position information is information indicating the current positions of the
水位推移情報は、各排水ポンプ装置2aにおける監視箇所の水位の時間推移を示す情報
であり、基準時期における監視個所の水位と、その基準時刻よりも所定時間前の過去時刻
(例えば、1時間前、2時間前等)における監視個所の水位とを含む。
The water level transition information is information indicating the temporal transition of the water level at the monitoring point in each drainage pump device 2a. , 2 hours ago, etc.).
地理情報は、各排水ポンプ装置2aにおける監視箇所の位置座標(緯度、経度、標高)
を示す情報である。なお、地理情報は、雨水管、下水道管、河川等の位置座標を含むもの
でもよい。
The geographic information is positional coordinates (latitude, longitude, altitude) of monitoring points in each
is information indicating The geographic information may include positional coordinates of rainwater pipes, sewage pipes, rivers, and the like.
学習用データ11を構成する支援計画情報は、排水作業の支援が必要となる排水ポンプ
装置2aの優先度を示す支援優先度情報、及び、管理領域に対する排水ポンプ車5及び作
業員101の少なくとも一方の配置状況を示す支援配置情報のうち少なくとも一方を含む
。
The support plan information constituting the learning
学習用データ取得部800は、上記の各情報について実際の過去の状況が記録されたも
のを学習用データ11として取得してもよいし、管理者100により想定される仮想的な
状況が、例えば、管理者端末装置4により入力されたものを学習用データ11として取得
してもよいし、監視箇所の水位や排水ポンプ車5及び作業員101の配置をシミュレーシ
ョンしたものを学習用データ11として取得してもよいし、これらを組み合わせることで
学習用データ11を取得してもよい。
The learning
学習モデル12は、例えば、ニューラルネットワークの構造を採用したものであり、入
力層120、中間層121、及び、出力層122を備える。各層の間には、各ニューロン
をそれぞれ接続するシナプス(不図示)が張られており、各シナプスには、重みがそれぞ
れ対応付けられている。各シナプスの重みからなる重みパラメータ群が、機械学習により
調整される。入力層120は、入力データとしての領域データに対応する数のニューロン
を有し、領域データの各値が各ニューロンにそれぞれ入力される。出力層122は、出力
データとしての支援計画情報に対応する数のニューロンを有し、領域データに対する支援
計画情報の予測結果(推論結果)が、出力データとして出力される。
The
なお、本実施形態では、学習モデル12及び学習用データ11は、図10に示すような
データ構成である場合について説明するが、領域データ又は支援計画情報の定義を変更す
る場合には、学習モデル12及び学習用データ11のデータ構成を適宜変更すればよい。
In this embodiment, the
(管理装置3a)
図11は、第2の実施形態に係る管理装置3aの一例を示すブロック図である。図12
は、第2の実施形態に係る管理装置3aの一例を示す機能説明図である。
(
FIG. 11 is a block diagram showing an example of a
[Fig. 10] is a functional explanatory diagram showing an example of a
記憶部31は、排水ポンプ管理データベース310、排水ポンプ管理プログラム311
、排水ポンプ支援計画作成プログラム312、及び、学習モデル12を記憶するとともに
、オペレーティングシステム、他のプログラム、各種のデータ等を記憶する。記憶部31
は、学習済みの学習モデル12を記憶する学習済みモデル記憶部として機能する。
The
, the drainage pump support
functions as a learned model storage unit that stores the learned
管理制御部30は、記憶部31に記憶された排水ポンプ管理プログラム311を実行す
ることにより、気象情報取得部300、健全性判定部301、第1のポンプ制御部異常処
理部302、及び、第2のポンプ制御部異常処理部303として機能するとともに、記憶
部31に記憶された排水ポンプ支援計画作成プログラム312を実行することにより、デ
ータ取得部304、支援計画作成部305、及び、出力処理部306として機能する。な
お、排水ポンプ管理プログラム311及び排水ポンプ支援計画作成プログラム312は、
1つのプログラムで実現されていてもよい。
By executing the drainage
It may be realized by one program.
データ取得部304は、通信部32及びネットワーク10を介して他の装置と接続され
、管理領域の気象情報、管理領域内に位置する排水ポンプ車5及び作業員101の少なく
とも一方の位置情報、水位の時間推移を示す水位推移情報、及び、管理領域内での監視箇
所の地理情報を少なくとも含む領域データを取得する。
The
管理領域の気象情報は、例えば、気象情報提供装置7から受信することで、データ取得
部304により取得される。排水ポンプ車5及び作業員101の位置情報は、排水ポンプ
車5に設けられた現在位置検出部の検出結果、及び、作業員101が所持する作業員端末
装置6に設けられた現在位置検出部の検出結果を、排水ポンプ車5及び作業員101から
それぞれ受信することで、データ取得部304により取得される。水位推移情報は、排水
ポンプ装置2aから水位送信条件に従って水位信号を受信することで、水位信号に基づく
情報として、データ取得部304により取得される。監視箇所の地理情報は、排水ポンプ
管理データベース310を参照することで、データ取得部304により取得される。
The weather information of the management area is acquired by the
支援計画作成部305は、記憶部31に記憶された学習済みの学習モデル12に、デー
タ取得部304にて取得した領域データを入力することで、当該領域データに対する支援
計画情報を作成する。
The support
なお、記憶部31に記憶される学習モデル12の数は1つに限定されず、例えば、機械
学習の手法、領域データに含まれるデータの種類、支援計画情報に含まれるデータの種類
等のように、条件が異なる複数の学習モデル12が記憶され、選択的に利用可能としても
よい。また、学習モデル12は、外部コンピュータ(例えば、サーバ型コンピュータやク
ラウド型コンピュータ)の記憶部に記憶されていてもよく、その場合には、支援計画作成
部305は、当該外部コンピュータにアクセスすればよい。
Note that the number of
出力処理部306は、支援計画作成部305により生成された支援計画情報を出力する
ための出力処理を行う。例えば、出力処理部306は、その支援計画情報を、例えば、管
理者端末装置4、排水ポンプ車5、作業員端末装置6等に送信することで、その支援計画
情報に基づく表示画面が管理者端末装置4、排水ポンプ車5、作業員端末装置6等に表示
される。
The
(機械学習方法)
図13は、第2の実施形態に係る機械学習装置8の動作の一例を示すフローチャートで
ある。なお、図13に示す一連の処理は、例えば、管理者による学習モデル12の作成を
要求する操作が管理者端末装置4を介して受け付けられたときに機械学習装置8により実
行される。
(machine learning method)
FIG. 13 is a flow chart showing an example of the operation of the
まず、ステップS300において、学習用データ取得部800は、機械学習を開始する
ための事前準備として、所望の数の学習用データ11を取得し、その取得した学習用デー
タ11を記憶部81に記憶する。ここで準備する学習用データ11の数については、最終
的に得られる学習モデル12に求められる推論精度を考慮して設定すればよい。
First, in step S300, the learning
次に、ステップS310において、機械学習部801は、機械学習を開始すべく、学習
前の学習モデル12を準備する。ここで準備する学習前の学習モデル12は、図10に例
示したニューラルネットワークモデルで構成されており、各シナプスの重みが初期値に設
定されている。
Next, in step S310, the
次に、ステップS320において、機械学習部801は、記憶部81に記憶された複数
組の学習用データ11から、例えば、ランダムに1組の学習用データ11を取得する。
Next, in step S320, the
次に、ステップS330において、機械学習部801は、1組の学習用データ11に含
まれる領域データ(入力データ)を、準備された学習前(又は学習中)の学習モデル12
の入力層120に入力する。その結果、学習モデル12の出力層122から推論結果とし
て支援計画情報(出力データ)が出力されるが、当該出力データは、学習前(又は学習中
)の学習モデル12によって生成されたものである。そのため、学習前(又は学習中)の
状態では、推論結果として出力された出力データは、学習用データ11に含まれる支援計
画情報(正解ラベル)とは異なる情報を示す。
Next, in step S330, the
input to the
次に、ステップS340において、機械学習部801は、ステップS320において取
得された1組の学習用データ11に含まれる支援計画情報(正解ラベル)と、ステップS
330において出力層122から推論結果として出力された支援計画情報(出力データ)
とを比較し、各シナプスの重みを調整する処理(バックプロバケーション)を実施するこ
とで、機械学習を実施する。これにより、機械学習部801は、領域データと支援計画情
報との相関関係を学習モデル12に学習させる。
Next, in step S340, the
Support plan information (output data) output as an inference result from the
and perform processing (back-progression) to adjust the weight of each synapse, thereby performing machine learning. Thereby, the
次に、ステップS350において、機械学習部801は、所定の学習終了条件が満たさ
れたか否かを、例えば、学習用データ11に含まれる支援計画情報(正解ラベル)と、推
論結果として出力された支援計画情報(出力データ)とに基づく誤差関数の評価値や、記
憶部81内に記憶された未学習の学習用データ11の残数に基づいて判定する。
Next, in step S350, the
ステップS350において、機械学習部801が、学習終了条件が満たされておらず、
機械学習を継続すると判定した場合(ステップS350でNo)、ステップS320に戻
り、学習中の学習モデル12に対してステップS320~S340の工程を未学習の学習
用データ11を用いて複数回実施する。一方、ステップS350において、機械学習部8
01が、学習終了条件が満たされて、機械学習を終了すると判定した場合(ステップS3
50でYes)、ステップS360に進む。
In step S350, the
If it is determined to continue the machine learning (No in step S350), the process returns to step S320, and the steps S320 to S340 are performed multiple times on the
01 determines that the learning termination condition is satisfied and the machine learning is terminated (step S3
50: Yes), the process proceeds to step S360.
そして、ステップS360において、機械学習部801は、各シナプスに対応付けられ
た重みを調整することで生成された学習済みの学習モデル12(調整済みの重みパラメー
タ群)を記憶部81に記憶する。図13に示す一連の処理(機械学習方法)において、ス
テップS300が学習用データ記憶工程、ステップS310~S350が機械学習工程、
ステップS360が学習済みモデル記憶工程に相当する。
Then, in step S360, the
Step S360 corresponds to the learned model storage step.
以上のように、本実施形態に係る機械学習装置8によれば、領域データから当該領域デ
ータに対する支援計画情報を作成(推論)することが可能な学習モデル12を提供するこ
とができる。
As described above, according to the
(排水ポンプ支援計画作成方法)
図14は、第2の実施形態に係る管理装置3aの動作の一例を示すフローチャートであ
る。以下では、所定の支援計画作成条件が満たされたときに、管理装置3aが特定の時刻
における支援計画を作成する場合の動作例について説明する。なお、支援計画作成条件は
、所定の作成周期や作成時刻で定められてもよいし、気象条件で定められてもよいし、管
理者の操作に基づく管理者端末装置4からの作成要求を受け付けたときでもよい。
(How to create a drainage pump support plan)
FIG. 14 is a flow chart showing an example of the operation of the
まず、ステップS400において、所定の支援計画作成条件が満たされると、管理装置
3aのデータ取得部304が、管理領域の気象情報、排水ポンプ車5及び作業員101の
位置情報、監視箇所の水位推移情報、及び、監視箇所の地理情報を少なくとも含む領域デ
ータを取得する。
First, in step S400, when a predetermined support plan creation condition is satisfied, the
次に、ステップS410において、支援計画作成部305は、ステップS400にて取
得した領域データを入力データとして学習モデル12に入力することで、当該領域データ
に対する支援計画情報を作成する。
Next, in step S410, the support
次に、ステップS420において、出力処理部306は、ステップS410にて作成さ
れた支援計画情報を出力するための出力処理として、その支援計画情報を管理者端末装置
4に送信する。そして、管理者端末装置4が、その支援計画情報に基づいて表示画面を表
示することで、その支援計画が管理者に確認される。なお、支援計画情報の送信先は、管
理者端末装置4に加えて又は代えて、排水ポンプ車5、及び、作業員端末装置6でもよい
。図14に示す一連の処理(排水ポンプ支援計画作成方法)において、ステップS400
がデータ取得工程、ステップS410が支援計画作成工程、ステップS420が出力処理
工程に相当する。
Next, in step S420, the
corresponds to the data acquisition step, step S410 corresponds to the support plan creation step, and step S420 corresponds to the output processing step.
以上のように、本実施形態に係る管理装置3a(排水ポンプ支援計画作成装置)によれ
ば、領域データを学習モデル12に入力することで、当該領域データに対する支援計画情
報を作成するので、排水ポンプ車5及び作業員101による排水作業を適切に実施するこ
とができる。
As described above, according to the
(他の実施形態)
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲
内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思
想に含まれるものである。
(Other embodiments)
The present invention is not limited to the above-described embodiments, and various modifications can be made without departing from the gist of the present invention. All of them are included in the technical idea of the present invention.
上記実施形態では、管理装置3、3a、管理者端末装置4及び機械学習装置8は、別々
の装置で構成されたものとして説明したが、それら3つの装置が、単一の装置で構成され
ていてもよいし、それら3つの装置のうち任意の2つの装置が、単一の装置で構成されて
いてもよい。また、上記実施形態では、管理装置3aが、排水ポンプ支援計画作成装置と
して機能する場合について説明したが、排水ポンプ支援計画作成装置は、管理装置3aと
は別の装置で構成されていてもよい。その場合には、排水ポンプ支援計画作成装置は、少
なくともデータ取得部304及び支援計画作成部305を備えていればよい。
In the above embodiments, the
上記実施形態では、排水ポンプ管理システム1、1aの各装置が、図5、図6、図13
及び図14に示すフローチャートに従って動作する場合について説明したが、各ステップ
の実行順序を適宜変更してもよいし、一部のステップを省略してもよい。例えば、図5の
ステップS110は、ステップS130、S140の直前に実行されてもよいし、図6の
ステップS220、S230は、実行順序を入れ替えてもよいし、いずれか一方を省略し
てよい。
In the above embodiment, each device of the drainage
and the case of operating according to the flowchart shown in FIG. 14, the execution order of each step may be changed as appropriate, and some steps may be omitted. For example, step S110 in FIG. 5 may be executed immediately before steps S130 and S140, steps S220 and S230 in FIG. 6 may be changed in execution order, or one of them may be omitted.
上記実施形態では、機械学習部801による機械学習を実現する学習モデルとして、ニ
ューラルネットワークを採用した場合について説明したが、他の機械学習のモデルを採用
してもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バ
ギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込
みニューラルネットワーク、LSTM等のニューラルネット型(ディープラーニングを含
む)、階層型クラスタリング、非階層型クラスタリング、k近傍法、k平均法等のクラス
タリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクタ
ーマシン等が挙げられる。また、機械学習部801による機械学習は、強化学習により実
現されてもよい。
In the above embodiment, a case where a neural network is adopted as a learning model for realizing machine learning by the
(推論装置、推論方法及び推論プログラム)
本発明は、上記実施形態に係る排水ポンプ支援計画作成装置(排水ポンプ支援計画作成
方法又は排水ポンプ支援計画作成プログラム)の態様によるもののみならず、支援計画情
報を推論するために用いられる推論装置(推論方法又は推論プログラム)の態様で提供す
ることもできる。その場合、推論装置(推論方法又は推論プログラム)としては、メモリ
と、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとするこ
とができる。当該一連の処理とは、領域データを取得するデータ取得処理(データ取得工
程)と、データ取得処理にて領域データを取得すると、当該領域データに対する支援計画
情報を推論する推論処理(推論工程)とを含む。
(Inference Apparatus, Inference Method and Inference Program)
The present invention is not only based on the aspect of the drainage pump support plan creation device (drainage pump support plan creation method or drainage pump support plan creation program) according to the above embodiment, but also an inference device used to infer support plan information. It can also be provided in the form of (inference method or inference program). In that case, the inference device (inference method or inference program) may include a memory and a processor, and the processor of these may execute a series of processes. The series of processes includes a data acquisition process (data acquisition process) for acquiring area data, and an inference process (inference process) for inferring support plan information for the area data once the area data is acquired in the data acquisition process. including.
推論装置(推論方法又は推論プログラム)の態様で提供することで、排水ポンプ支援計
画作成装置を実装する場合に比して簡単に種々の装置への適用が可能となる。推論装置(
推論方法又は推論プログラム)が支援計画情報を推論する際、上記実施形態に係る機械学
習装置及び機械学習方法により生成された学習済みの学習モデルを用いて、支援計画作成
部が実施する推論手法を適用してもよいことは、当業者にとって当然に理解され得るもの
である。
By providing it in the form of an inference device (inference method or inference program), it becomes possible to apply it to various devices more easily than when implementing a drainage pump support plan creation device. inference device (
Inference method or inference program) infers support plan information, using the learned learning model generated by the machine learning device and machine learning method according to the above embodiment, the inference method implemented by the support plan creation unit It can be naturally understood by those skilled in the art that it may be applied.
1、1a…排水ポンプ管理システム、2、2a…排水ポンプ装置、3、3a…管理装置、
4…管理者端末装置、5…排水ポンプ車、6…作業員端末装置、
7…気象情報提供装置、8…機械学習装置、10…ネットワーク、
11…学習用データ、12…学習モデル、
20…ポンプ制御部、21…記憶部、22…通信部、24…操作表示部、
25…水位検出部、26…ポンプ部、
30…管理制御部、31…記憶部、32…通信部、33…入力部、34…表示部、
80…制御部、81…記憶部、82…通信部、83…入力部、84…表示部、
100…管理者、101…作業員
120…入力層、121…中間層、122…出力層
200…ポンプ運転処理部、201…気象情報取得部、202…異常判定部、
203…水位検出部異常処理部、204…ポンプ部異常処理部、
205…健全性信号送信処理部、206…水位信号送信処理部、
210…排水ポンプ設定データ、211…排水ポンプ制御プログラム、
300…気象情報取得部、301…健全性判定部、
302…第1のポンプ制御部異常処理部、303…第2のポンプ制御部異常処理部、
304…データ取得部、305…支援計画作成部、306…出力処理部、
310…排水ポンプ管理データベース、311…排水ポンプ管理プログラム、
312…排水ポンプ支援計画作成プログラム、
800…学習用データ取得部、801…機械学習部、810…機械学習プログラム、
900…コンピュータ
1, 1a... drainage pump management system, 2, 2a... drainage pump device, 3, 3a... management device,
4... Administrator terminal device, 5... Drainage pump vehicle, 6... Worker terminal device,
7 weather information providing device, 8 machine learning device, 10 network,
11... Learning data, 12... Learning model,
20... pump control section, 21... storage section, 22... communication section, 24... operation display section,
25... Water level detection unit, 26... Pump unit,
30... Management control unit, 31... Storage unit, 32... Communication unit, 33... Input unit, 34... Display unit,
80... control unit, 81... storage unit, 82... communication unit, 83... input unit, 84... display unit,
DESCRIPTION OF
203 ... water level detection unit abnormality processing unit, 204 ... pump unit abnormality processing unit,
205 ... soundness signal transmission processing unit, 206 ... water level signal transmission processing unit,
210 ... Drainage pump setting data, 211 ... Drainage pump control program,
300 ... weather information acquisition unit, 301 ... soundness determination unit,
302... first pump control unit abnormality processing unit, 303... second pump control unit abnormality processing unit,
304 ... data acquisition unit, 305 ... support plan creation unit, 306 ... output processing unit,
310... drainage pump management database, 311... drainage pump management program,
312 ... Drainage pump support plan creation program,
800... Learning data acquisition unit, 801... Machine learning unit, 810... Machine learning program,
900 computer
Claims (12)
前記監視箇所に溜まった水を排水するポンプ部と、
前記水位検出部により検出された前記水位に基づいて、前記ポンプ部の運転を制御する
ポンプ制御部と、を備える排水ポンプ装置であって、
前記ポンプ制御部は、
前記監視箇所の気象情報を取得する気象情報取得部と、
前記水位検出部又は前記ポンプ部に異常が発生したか否かを判定する異常判定部と、
前記水位検出部に異常が発生したと判定した場合、前記気象情報に基づいて、前記ポ
ンプ部の運転を制御する水位検出部異常処理部と、
前記ポンプ部に異常が発生したと判定した場合、前記水位検出部により検出された前
記水位及び前記気象情報の少なくとも一方に基づいて、排水ポンプ車及び作業員の少なく
とも一方による排水作業の支援を要請する支援要請情報を出力するポンプ部異常処理部と
、を備える、
排水ポンプ装置。 a water level detection unit that detects the water level at the monitoring location;
a pump unit for draining water accumulated in the monitoring location;
A drainage pump device comprising: a pump control section that controls operation of the pump section based on the water level detected by the water level detection section,
The pump control unit
a weather information acquisition unit that acquires weather information of the monitoring location;
an abnormality determination unit that determines whether an abnormality has occurred in the water level detection unit or the pump unit;
a water level detection unit abnormality processing unit that controls the operation of the pump unit based on the weather information when it is determined that an abnormality has occurred in the water level detection unit;
When it is determined that an abnormality has occurred in the pump unit, at least one of the water level detected by the water level detection unit and the weather information is used to request support for drainage work by at least one of a drainage pump vehicle and a worker. a pump unit abnormality processing unit that outputs support request information to
Drainage pump device.
前記排水ポンプ装置と通信可能な管理装置とを備える排水ポンプ管理システムであって
、
前記ポンプ制御部は、
前記排水ポンプ装置の健全性を示す健全性信号を所定の健全性送信条件に従って前記
管理装置に送信する健全性信号送信処理部を備え、
前記管理装置は、
前記監視箇所の気象情報を取得する気象情報取得部と、
前記排水ポンプ装置から前記健全性信号を前記健全性送信条件に従って受信したか否
かに応じて、当該排水ポンプ装置の前記ポンプ制御部に異常が発生したか否かを判定する
健全性判定部と、
前記ポンプ制御部に異常が発生したと判定した場合、前記気象情報に基づいて、当該
ポンプ制御部を備える前記排水ポンプ装置に対する前記排水作業の支援を要請する前記支
援要請情報を出力する第1のポンプ制御部異常処理部と、を備える、
排水ポンプ管理システム。 one or more drainage pump devices according to claim 1;
A drainage pump management system comprising a management device communicable with the drainage pump device,
The pump control unit
a health signal transmission processing unit that transmits a health signal indicating the health of the drainage pump device to the management device according to a predetermined health transmission condition;
The management device
a weather information acquisition unit that acquires weather information of the monitoring location;
a soundness determination unit that determines whether or not an abnormality has occurred in the pump control unit of the drainage pump device according to whether or not the soundness signal has been received from the drainage pump device according to the soundness transmission condition; ,
a first method for outputting the support request information for requesting the drainage pump device including the pump control unit to support the drainage work based on the weather information when it is determined that an abnormality has occurred in the pump control unit; a pump control unit abnormality processing unit;
Drainage pump management system.
前記管理装置から前記ポンプ制御部を介さずに前記ポンプ部の運転を指示するポンプ
運転信号を受信可能に構成され、
前記管理装置は、
前記ポンプ制御部に異常が発生したと判定した場合、前記気象情報に基づいて、当該
ポンプ制御部を備える前記排水ポンプ装置の前記ポンプ部の運転を指示する前記ポンプ運
転信号を当該ポンプ部に送信する第2のポンプ制御部異常処理部を備える、
請求項2に記載の排水ポンプ管理システム。 The pump section
configured to be able to receive a pump operation signal instructing the operation of the pump unit from the management device without going through the pump control unit;
The management device
When it is determined that an abnormality has occurred in the pump control unit, the pump operation signal for instructing the operation of the pump unit of the drainage pump device including the pump control unit is transmitted to the pump unit based on the weather information. a second pump control unit abnormality processing unit that
The drainage pump management system according to claim 2.
前記水位検出部により検出された前記水位を示す水位信号を所定の水位送信条件に従
って前記管理装置に送信する水位信号送信処理部を備え、
前記管理装置は、
複数の前記排水ポンプ装置が配置された管理領域の気象情報、前記管理領域内に位置
する前記排水ポンプ車及び前記作業員の少なくとも一方の位置情報、前記排水ポンプ装置
から前記水位送信条件に従って受信した前記水位信号に基づく情報であって前記水位の時
間推移を示す水位推移情報、及び、前記管理領域内での前記監視箇所の地理情報を少なく
とも含む領域データを取得するデータ取得部と、
前記管理領域に対応する学習領域における前記気象情報、前記位置情報、前記水位推
移情報、及び、前記地理情報を少なくとも含む領域データと、前記学習領域に対する前記
排水作業の支援計画を定める支援計画情報との相関関係を機械学習により学習させた学習
モデルに、前記データ取得部にて取得した前記領域データを入力することで、当該領域デ
ータに対する前記支援計画情報を作成する支援計画作成部と、を備える、
請求項2又は請求項3に記載の排水ポンプ管理システム。 The pump control unit
A water level signal transmission processing unit that transmits a water level signal indicating the water level detected by the water level detection unit to the management device according to a predetermined water level transmission condition,
The management device
Weather information of a management area in which a plurality of the drainage pump devices are arranged, location information of at least one of the drainage pump vehicle and the worker located in the management region, received from the drainage pump device according to the water level transmission condition a data acquisition unit that acquires area data including at least water level transition information, which is information based on the water level signal and indicates the temporal transition of the water level, and geographic information of the monitoring location within the management area;
area data including at least the weather information, the location information, the water level transition information, and the geographic information in the learning area corresponding to the management area; and support plan information defining a support plan for the drainage work for the learning area. a support plan creation unit that creates the support plan information for the region data by inputting the region data acquired by the data acquisition unit into a learning model that has learned the correlation of ,
The drainage pump management system according to claim 2 or 3.
前記排水作業の支援が必要となる前記排水ポンプ装置の優先度を示す支援優先度情報
を少なくとも含む、
請求項4に記載の排水ポンプ管理システム。 The support plan information is
including at least assistance priority information indicating the priority of the drainage pump device that requires assistance for the drainage work;
The drainage pump management system according to claim 4.
前記管理領域に対する前記排水ポンプ車及び前記作業員の少なくとも一方の配置状況
を示す支援配置情報を少なくとも含む、
請求項4に記載の排水ポンプ管理システム。 The support plan information is
including at least support arrangement information indicating the arrangement status of at least one of the drainage pump vehicle and the worker with respect to the management area;
The drainage pump management system according to claim 4.
管理領域に対する排水ポンプ車及び作業員の少なくとも一方による排水作業の支援計画を
作成する排水ポンプ支援計画作成装置であって、
前記管理領域の気象情報、前記管理領域内に位置する前記排水ポンプ車及び前記作業
員の少なくとも一方の位置情報、前記水位の時間推移を示す水位推移情報、及び、前記管
理領域内での前記監視箇所の地理情報を少なくとも含む領域データを取得するデータ取得
部と、
前記管理領域に対応する学習領域における前記気象情報、前記位置情報、前記水位推
移情報、及び、前記地理情報を少なくとも含む領域データと、前記学習領域に対する前記
排水作業の支援計画を定める支援計画情報との相関関係を機械学習により学習させた学習
モデルに、前記データ取得部にて取得した前記領域データを入力することで、当該領域デ
ータに対する前記支援計画情報を作成する支援計画作成部と、を備える、
排水ポンプ支援計画作成装置。 A drainage pump support plan creation device for creating a drainage work support plan for at least one of a drainage pump vehicle and a worker for a management area in which a plurality of drainage pump devices for controlling the operation of the pump unit based on the water level at the monitoring point is arranged. There is
Weather information of the management area, location information of at least one of the drainage pump vehicle and the worker located in the management area, water level transition information indicating the time transition of the water level, and the monitoring within the management area a data acquisition unit that acquires area data that includes at least geographic information of a location;
area data including at least the weather information, the location information, the water level transition information, and the geographic information in the learning area corresponding to the management area; and support plan information defining a support plan for the drainage work for the learning area. a support plan creation unit that creates the support plan information for the region data by inputting the region data acquired by the data acquisition unit into a learning model that has learned the correlation of ,
Drainage pump support planning device.
管理領域に対する排水ポンプ車及び作業員の少なくとも一方による排水作業の支援計画を
作成するために用いられる推論装置であって、
前記推論装置は、メモリと、プロセッサとを備え、
前記プロセッサは、
前記管理領域の気象情報、前記管理領域内に位置する前記排水ポンプ車及び前記作業
員の少なくとも一方の位置情報、前記水位の時間推移を示す水位推移情報、及び、前記管
理領域内での前記監視箇所の地理情報を少なくとも含む領域データを取得するデータ取得
処理と、
前記データ取得処理にて前記領域データを取得すると、当該領域データに対する前記排
水作業の支援計画を定める支援計画情報を推論する推論処理と、を実行する、
推論装置。 A reasoning device used to create a support plan for drainage work by at least one of a drainage pump vehicle and a worker for a management area in which a plurality of drainage pump devices that control the operation of the pump unit based on the water level at the monitoring point are arranged. There is
The reasoning device comprises a memory and a processor,
The processor
Weather information of the management area, location information of at least one of the drainage pump vehicle and the worker located in the management area, water level transition information indicating the time transition of the water level, and the monitoring within the management area a data acquisition process for acquiring area data including at least geographic information of a location;
an inference process for inferring support plan information that defines a support plan for the drainage work for the area data when the area data is obtained in the data acquisition process;
reasoning device.
管理領域に対する排水ポンプ車及び作業員の少なくとも一方による排水作業の支援計画を
作成するために用いられる学習モデルを生成する機械学習装置であって、
前記管理領域に対応する学習領域における気象情報、前記管理領域内に位置する前記
排水ポンプ車及び前記作業員の少なくとも一方の位置情報、前記水位の時間推移を示す水
位推移情報、及び、前記管理領域内での前記監視箇所の地理情報を少なくとも含む領域デ
ータと、前記学習領域に対する前記排水作業の支援計画を定める支援計画情報とで構成さ
れる学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記領域データと前記支援
計画情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモ
デル記憶部と、を備える、
機械学習装置。 A learning model used to create a support plan for drainage work by at least one of a drainage pump vehicle and a worker for a management area in which a plurality of drainage pump devices that control the operation of the pump unit based on the water level at the monitoring point are arranged. A machine learning device that generates
Weather information in a learning area corresponding to the management area, location information of at least one of the drainage pump vehicle and the worker located in the management area, water level transition information indicating the time transition of the water level, and the management area a learning data storage unit for storing a plurality of sets of learning data composed of area data including at least the geographical information of the monitoring point in the learning area and support plan information defining a support plan for the drainage work for the learning area; ,
a machine learning unit that causes the learning model to learn the correlation between the area data and the support plan information by inputting a plurality of sets of the learning data into the learning model;
a learned model storage unit that stores the learning model for which the correlation has been learned by the machine learning unit;
Machine learning device.
管理領域に対する排水ポンプ車及び作業員の少なくとも一方による排水作業の支援計画を
作成する排水ポンプ支援計画作成方法であって、
前記管理領域の気象情報、前記管理領域内に位置する前記排水ポンプ車及び前記作業
員の少なくとも一方の位置情報、前記水位の時間推移を示す水位推移情報、及び、前記管
理領域内での前記監視箇所の地理情報を少なくとも含む領域データを取得するデータ取得
工程と、
前記管理領域に対応する学習領域における前記気象情報、前記位置情報、前記水位推
移情報、及び、前記地理情報を少なくとも含む領域データと、前記学習領域に対する前記
排水作業の支援計画を定める支援計画情報との相関関係を機械学習により学習させた学習
モデルに、前記データ取得工程にて取得した前記領域データを入力することで、当該領域
データに対する前記支援計画情報を作成する支援計画作成工程と、を備える、
排水ポンプ支援計画作成方法。 A drainage pump support plan creation method for creating a drainage work support plan by at least one of a drainage pump vehicle and a worker for a management area in which a plurality of drainage pump devices for controlling the operation of the pump unit based on the water level at the monitoring point is arranged There is
Weather information of the management area, location information of at least one of the drainage pump vehicle and the worker located in the management area, water level transition information indicating the time transition of the water level, and the monitoring within the management area a data acquisition step of acquiring area data including at least geographic information of a location;
area data including at least the weather information, the location information, the water level transition information, and the geographic information in the learning area corresponding to the management area; and support plan information defining a support plan for the drainage work for the learning area. and a support plan creation step of creating the support plan information for the region data by inputting the region data acquired in the data acquisition step into a learning model in which the correlation of is learned by machine learning. ,
How to create a drainage pump support plan.
管理領域に対する排水ポンプ車及び作業員の少なくとも一方による排水作業の支援計画を
作成するために用いられる推論方法であって、
前記管理領域の気象情報、前記管理領域内に位置する前記排水ポンプ車及び前記作業
員の少なくとも一方の位置情報、前記水位の時間推移を示す水位推移情報、及び、前記管
理領域内での前記監視箇所の地理情報を少なくとも含む領域データを取得するデータ取得
工程と、
前記データ取得工程にて前記領域データを取得すると、当該領域データに対する前記排
水作業の支援計画を定める支援計画情報を推論する推論工程と、を実行する、
推論方法。 A reasoning method used to create a support plan for drainage work by at least one of a drainage pump vehicle and a worker in a management area where multiple drainage pump devices that control the operation of the pump unit based on the water level at the monitoring point are arranged. There is
Weather information of the management area, location information of at least one of the drainage pump vehicle and the worker located in the management area, water level transition information indicating the time transition of the water level, and the monitoring within the management area a data acquisition step of acquiring area data including at least geographic information of a location;
an inference step of inferring support plan information that defines a support plan for the drainage work for the region data when the region data is obtained in the data obtaining step;
reasoning method.
管理領域に対する排水ポンプ車及び作業員の少なくとも一方による排水作業の支援計画を
作成するために用いられる学習モデルを生成する機械学習方法であって、
前記管理領域に対応する学習領域における気象情報、前記管理領域内に位置する前記
排水ポンプ車及び前記作業員の少なくとも一方の位置情報、前記水位の時間推移を示す水
位推移情報、及び、前記管理領域内での前記監視箇所の地理情報を少なくとも含む領域デ
ータと、前記学習領域に対する前記排水作業の支援計画を定める支援計画情報とで構成さ
れる学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記領域データと前記支援
計画情報との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記
憶部に記憶する学習済みモデル記憶工程と、を備える、
機械学習方法。 A learning model used to create a support plan for drainage work by at least one of a drainage pump vehicle and a worker for a management area in which a plurality of drainage pump devices that control the operation of the pump unit based on the water level at the monitoring point are arranged. A machine learning method for generating,
Weather information in a learning area corresponding to the management area, location information of at least one of the drainage pump vehicle and the worker located in the management area, water level transition information indicating the time transition of the water level, and the management area a plurality of sets of learning data including area data including at least the geographical information of the monitoring point in the area and support plan information defining a support plan for the drainage work for the learning area are stored in the learning data storage unit. a training data storage step;
a machine learning step of causing the learning model to learn the correlation between the region data and the support plan information by inputting a plurality of sets of the learning data into the learning model;
a learned model storage step of storing the learning model, the correlation of which has been learned by the machine learning step, in a learned model storage unit;
machine learning method.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021198169A JP2023084166A (en) | 2021-12-07 | 2021-12-07 | Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method |
EP22903825.2A EP4446594A1 (en) | 2021-12-07 | 2022-09-26 | Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method |
CA3239519A CA3239519A1 (en) | 2021-12-07 | 2022-09-26 | Water-discharge pump apparatus, water-discharge pump management system, water-discharge pump support plan creating apparatus, inference apparatus, machine-learning apparatus, water-discharge pump support plan creating method, inference method, and machine-learning method |
CN202280080584.0A CN118355194A (en) | 2021-12-07 | 2022-09-26 | Drain pump device, drain pump management system, drain pump assistance plan creation device, inference device, machine learning device, drain pump assistance plan creation method, inference method, and machine learning method |
PCT/JP2022/035642 WO2023105891A1 (en) | 2021-12-07 | 2022-09-26 | Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method |
TW111146443A TW202340611A (en) | 2021-12-07 | 2022-12-02 | Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021198169A JP2023084166A (en) | 2021-12-07 | 2021-12-07 | Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023084166A true JP2023084166A (en) | 2023-06-19 |
Family
ID=86730112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021198169A Pending JP2023084166A (en) | 2021-12-07 | 2021-12-07 | Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP4446594A1 (en) |
JP (1) | JP2023084166A (en) |
CN (1) | CN118355194A (en) |
CA (1) | CA3239519A1 (en) |
TW (1) | TW202340611A (en) |
WO (1) | WO2023105891A1 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024061986A1 (en) * | 2022-09-20 | 2024-03-28 | Stormharvester IPR Limited | Anomaly detection for wastewater assets with pumps in wastewater networks |
GB2618171A (en) * | 2022-09-20 | 2023-11-01 | Stormharvester Ipr Ltd | Anomaly detection in wastewater networks |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06116972A (en) | 1992-10-01 | 1994-04-26 | Sekisui House Ltd | Drainage for dry area in basement |
JPH06242805A (en) * | 1993-02-15 | 1994-09-02 | Mitsubishi Heavy Ind Ltd | Pump plant remote monitoring and controlling device |
JP2002235450A (en) | 2001-02-08 | 2002-08-23 | Nippon Mechatronics:Kk | Vertically movable multistory parking garage and multistory parking space |
JP2002278618A (en) * | 2001-03-16 | 2002-09-27 | Hitachi Ltd | Method for supporting maintenance check of drainage pump station and system for the same |
JP4399318B2 (en) * | 2004-06-16 | 2010-01-13 | メタウォーター株式会社 | Pump control device |
JP4755912B2 (en) * | 2005-02-25 | 2011-08-24 | 株式会社東芝 | Rainwater drainage support control device |
JP4405413B2 (en) * | 2005-03-04 | 2010-01-27 | 株式会社東芝 | Rainwater drainage operation preparation support system |
AR109623A1 (en) * | 2018-02-16 | 2019-01-09 | Pescarmona Enrique Menotti | PROCESS AND SYSTEM OF ANALYSIS AND HYDROLOGICAL MANAGEMENT FOR BASINS |
JP6556389B1 (en) * | 2019-01-30 | 2019-08-07 | 株式会社日圧機販 | Drainage channel monitoring system, drainage channel monitoring method, and drainage channel monitoring program |
CN113110200A (en) * | 2021-04-26 | 2021-07-13 | 成都环极科技有限公司 | Urban waterlogging early warning system based on weather and rainfall flood model |
-
2021
- 2021-12-07 JP JP2021198169A patent/JP2023084166A/en active Pending
-
2022
- 2022-09-26 CN CN202280080584.0A patent/CN118355194A/en active Pending
- 2022-09-26 CA CA3239519A patent/CA3239519A1/en active Pending
- 2022-09-26 WO PCT/JP2022/035642 patent/WO2023105891A1/en active Application Filing
- 2022-09-26 EP EP22903825.2A patent/EP4446594A1/en active Pending
- 2022-12-02 TW TW111146443A patent/TW202340611A/en unknown
Also Published As
Publication number | Publication date |
---|---|
TW202340611A (en) | 2023-10-16 |
EP4446594A1 (en) | 2024-10-16 |
CN118355194A (en) | 2024-07-16 |
CA3239519A1 (en) | 2023-06-15 |
WO2023105891A1 (en) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023105891A1 (en) | Drainage pump device, drainage pump management system, drainage pump support plan creation device, inference device, machine learning device, drainage pump support plan creation method, inference method, and machine learning method | |
US11836599B2 (en) | Optimizing data center controls using neural networks | |
CN109660419B (en) | Method, device, equipment and storage medium for predicting abnormity of network equipment | |
CN101840235B (en) | Integrated supervision and diagnosis apparatus | |
JP7079662B2 (en) | Power demand forecasting system, learning device and power demand forecasting method | |
KR20210041724A (en) | Apparatus and method for predicting failure of electric car charger | |
CN102498706A (en) | Mobile device battery management | |
CN106469098A (en) | A kind of fault handling method of equipment and device | |
JP2018007311A (en) | Photovoltaic power generation maintenance apparatus, photovoltaic power generation maintenance system, photovoltaic power generation maintenance method and computer program | |
US20190179647A1 (en) | Auto throttling of input data and data execution using machine learning and artificial intelligence | |
US20220100571A1 (en) | Scheduling system, scheduling method, and non-transitory recording medium | |
JP2020012348A (en) | Estimation device, learning model, computer program, temporary toilet, and server device | |
US20200341878A1 (en) | Determining, encoding, and transmission of classification variables at end-device for remote monitoring | |
JP2008008772A (en) | Weather forecasting system | |
JP7136277B2 (en) | Scheduling system, scheduling method and program | |
JP7573780B1 (en) | Method and device for urban transportation assessment based on spatial overlay analysis | |
EP4325314A2 (en) | Systems and methods for estimating future risk of failure of a wind turbine component using machine learning | |
CN107071188A (en) | Method, equipment and the readable storage medium storing program for executing of intelligent control alarm clock | |
JP6835254B2 (en) | Measurement control program, measurement control method, and measurement control device | |
JP7453719B1 (en) | Optimization method for water level gauge placement, manhole water level prediction method, and manhole water level prediction system | |
JP7569654B2 (en) | Wireless communication system | |
WO2023067745A1 (en) | Training device, prediction device, training prediction device, program, training method, prediction method, and training prediction method | |
WO2024062690A1 (en) | Data processing device, physical quantity measuring device, data processing system, and data processing method | |
CN117539674B (en) | Exception handling method, device, equipment and storage medium | |
JP2020002658A (en) | Information processing apparatus, river water level prediction method, and river water level prediction program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240423 |